بیست نکته برای اپلای دکتری بیزنس، از محسن فروغی‌فر دانشجوی دانشگاه تورنتو

محسن فروغی فر، دانشجوی دکتری کوانت مارکتینگ مدرسه بیزنس Rotman دانشگاه تورنتو، 20 نکته در خصوص اپلای برای بیزنس اسکول‌ها بیان کرده است.

اپلای کردن از ایران برای دکتری در بیزنس اسکول ها (با تمرکز بر آنچه در کوانت مارکتینگ و دانشگاه تورنتو-راتمن میگذرد)

1. فاند دکتری در بیزنس اسکول‌ها معمولا توسط دپارتمان تامین میشه نه استاد. بنابراین خیلی اوقات ایمیل زدن به اساتید تاثیر خاصی نداره. البته این در همه بیزنس اسکول ها صادق نیست. هستن بیزنس اسکول‌هایی که از دانشجو می‌خواد قبل از اپلای استاد پیدا کنه و اوکی بگیره (توی وبسایتشون معمولا میگن) ولی معمولا روال کلی اینطور نیست. البته این منکر این نیست که شما باید دو سه استاد پیدا کنید و توی SOP توضیح بدید که علایقتون به اون‌ها نزدیکه، ولی منظور اینکه به اون‌ها ایمیل بزنید الزاما مهم نیست.

2. شانس ادمیشن گرفتن در دانشگاه‌هایی که تا به حال “مستقیم از ایران” دانشجو نگرفته‌اند خیلی پایین هست. بنابراین حواستون باشه که دانشگاهی که اپلای می‌کنید حتما “مستقیم” از ایران دانشجو گرفته باشن. با این فرمول، مارکتینگ راتمن جزو جاهایی است که احتمال دانشجو گرفتنش از ایران خیلی پایین هست. خیلی از دانشجوهای ایرانی (امثال من) مستقیم از ایران نیومدیم. بنابراین حواستون به این موضوع باشه.

3. بیزنس اسکول‌ها معمولا اساتید دانشگاههای ایران رو نمی‌شناسند (مثالهای خاص هستند البته که از بحث ما خارجه) بنابراین خیلی براشون تفاوت نمیکنه چه کسی ریکامندیشن نوشته، بلکه اونچه که در نامه ریکامندیشن نوشته میشه خیلی مهمه. نکته اساسی اینکه دانشجویان ایرانی معمولا رزومه های خیلی شبیه به هم دارند. لیسانس مهندسی/مدیریت با معدل بالای 17، ارشد MBA با معدل بالای 17، بدون تجربه جدی ریسرچ، گاها با سابقه کار. بنابراین تمایز دادنشون کار سختیه. اینجا ریکام خیلی مهم میشه. بنابراین مطمئن بشید کسی که ریکام می‌نویسه حتما روی مهارت‌های مربوط به ریسرچ شما تاکید کنه.

4. یکی از مهارت‌های خیلی خیلی مهم برنامه نویسی حداقل به یکی از زبان‌های پایتون/آر/متلب هست. بدون دونستن برنامه نویسی کار خیلی خیلی سختی در پذیرش خواهید داشت.

5. شخصا معتقدم بالا بودن نمره زبان هیچ اهمیتی نداره (حداقل در راتمن اینطور هست). همین که حداقل لازم رو بیارید کافیه برای تافل. برای GRE هم ریاضی رو کامل بزنید فقط برای این‌که سیگنال منفی حساب نشه. 

6. اکثر زیرمجموعه‌های رشته مدیریت (بیزنس Econ، مارکتینگ، استراتژی، Operation، فاینَنس و …) در مقطع دکتری درس‌هایی از دانشکده اقتصاد می‌گذرونند. فکر کنم اقتصاد خرد برای همه زیرمجموعه‌ها و اقتصاد سنجی هم برای خیلی از اون‌ها (از جمله کوانت مارکتینگ) جزو کورس‌های اجباری هست. اقتصاد کلان فکر کنم فقط برای بیزنس Econ(اقتصاد) اجباریه. بنابراین داشتن پیش زمینه در این درس‌ها خیلی مهم هست. اگر کورس پیشرفته در اقتصاد خرد و سنجی برداشته باشید خیلی کمک کننده‌ست برای رزومه. توصیه اکیدم اینه حتی اگر برنداشتید هم یاد بگیرید با دیدن کورس‌های آنلاین (مکتب خونه، کورسرا، …)

9. قبل از تصمیم به دکتری خوندن به جوانبش فکر کنید. دکتری یک پروسه طولانی و فرسایشی است. معمولا دو سال اول فشار شدید کورس‌ها و بعد از اون هم تمرکز بر ریسرچ هست. دو سال اول سختی خودش رو داره ولی ازون به بعد تبدیل به یه پروسه‌ای میشه که از نظر ذهنی واقعا آمادگی میخواد. شما اکثر مواقع رو پشت میز با کامپیوتر تنها (بخوانید ایزوله) هستید. بنابراین برای کسانی که اجتماعی تر هستند (مثل من) خیلی مواقع شما رو به سمت افسردگی می‌بره. و چون اکثر اطرافیانتون هم در همین استیت هستند، توی یه لوپ می‌افتید. اگه به فکر سلامتی روانیتون نباشید، به قول استاد من تبدیل به یک psychopath میشید. اگر واقعا هنوز مطمئن نیستید که آمادگی همچین ریسکی رو دارید، به نظرم اول یه ریسرچ مستر بخونید بعد تصمیم بگیرید که آیا دوست دارید به دکتری برید یا نه. نکته این که 5-6 سال دکتری رو اگر شما با یک مستر برید و کار کنید خیلی از نظر مالی وضعیت بهتری خواهید داشت. و یحتمل در نهایت از نظر حقوق خیلی نزدیک یا حتی بالاتر از یک فارغ التحصیل دکتری خواهید بود. بنابراین ریسک و پاداش این قضیه رو در نظر داشته باشید. کلیشه‌ای وجود داره که خیلی‌ها فقط برای مهاجرت اپلای می‌کنند. هدف ازین مطلب این بود که به این موضوع بیشتر فکر کنید. راه‌های دیگری هم هست. 

10. توی پروسه اپلای، بیزنس اسکول‌ها معمولا تعداد بالایی اپلیکیشن دریافت می‌کنند. در راتمن من شنیدم حدود 100 یا حتی بیشتر در مارکتینگ. احتمالا در بقیه دپارتمان‌ها هم شرایط کمابیش مشابه باشه. هر دپارتمان سالانه معمولا بین 2 تا 3 دانشجوی دکتری پذیرش می‌کنه. به همین دلیل در مجموع شانس پذیرش برای یک اپلیکنت متوسط رو به بالا از ایران خیلی کم هست و به صورت سرانگشتی حدس میزنم همچین اپلیکنتی احتمالا باید نزدیک 20 تا دانشگاه اپلای کنه (ترکیبی از رنک بالا، متوسط، پایین) تا مثلا دو تا آفر بگیره. قطعا با شرایط بد مالی در ایران شاید سخت باشه ولی در مجموع این موضوع رو در نظر داشته باشید.
کمیته‌های ادمیشن در تصمیم‌گیری معمولا دنبال سیگنال‌های قوی از توانایی می‌گردند و در مرحله اول یه درصد بالایی از اپلیکیشن‌ها رو حذف می‌کنند. در نهایت حدود 10 اپلیکنت رو جدا می‌کنن برای مصاحبه و در راند اول به 3-4 نفر آفر میدن. این افراد معمولا کسانی هستند که Top هستند و پیش‌بینی میشه از تاپ اسکول‌های دیگه هم آفر بگیرن. اگه شرایط سفر به کانادا رو داشته باشن، دانشگاه هزینه یه سفر رو میده براشون تا اون‌هایی که آفر گرفتن بیان دانشگاه رو ببینن و با اساتید و دانشجوهای PhD حرف بزنن. یه درصدی از این‌ها معمولا Decline می‌کنن و در راند دوم کامیتی به یه سری اپلیکنت دیگه آفر میده.

11. تجربه شخصی من این بوده که در دپارتمان ما اکثر (یا شاید همه) دانشجوهای ایرانی در همون اسکرینینگ اول حذف میشن چون توی رزومه‌شون چیزی ندارن که اون‌ها رو متمایز کنه. یک سری سیگنال ها مثل مدال المپیاد استثناء هستند و از حوزه بحث ما خارجه. سیگنال‌های دیگه مثل برند دانشگاه و استاد و معدل هم چیزهایی هستن که برای ایرانی‌ها نویزی هستن و یحتمل از کنترل خواننده این مطلب خارجه چون آلردی ست شده هستند. ولی یکی از مهم‌ترین چیزها که به نظر من ادمیشن کامیتی مارکتینگ Rotman خیلی براش مهمه تجربه جدی ریسرچ هست. در دو سه سال اخیر اکثر دانشجوهایی که در مارکتینگ راتمن پذیرش میشن تجربه‌های جدی ریسرچ دارن (خیلیاشون 2-3 سال به صورت جدی کار RA و Pre-Doc انجام دادن). این رقابت رو برای کسی که از ایران اپلای می‌کنه و تجربه جدی ریسرچ نداره سخت می‌کنه (تزهای ارشد مخصوصا در MBA ریسرچ قوی نیستند). بنابراین هر سیگنالی که توانایی ریسرچ شما رو نشون بده به نظرم می‌تونه کمک کننده باشه.

12. در ارتباط با مورد بالا، الزامی به پیپر چاپ شده نیست. همین که توی یه پروژه جدی کار ریسرچ کرده باشید خودش می‌تونه نشونه خوبی باشه. یا حتی گاهی پروژه‌هایی که در کورس‌ها انجام دادید. من یادم میاد که در مصاحبه با راتمن یکی از اساتید به صورت خاص از یکی از پروژه‌هایی که توی درس اقتصاد خرد انجام داده بودم پرسید. اون موقع خیلی در جریان نبودم ولی بعدها که بیشتر با ریسرچ های کوانت مارکتینگ آشنا شدم دقیقا فهمیدم چرا ازون پرسیده بود. چون در اون پروژه یه تابع تقاضا رو تخمین زده بودم و تخمین تابع تقاضا یکی از اصلی‌ترین مباحث در کوانت مارکتینگ هست (نکته: من اصلا راجع به این موضوع توی SOP حرف نزده بودم – شاید اگر می‌زدم خیلی SOP بهتری می‌داشتم)

13. بک‌گراند ریاضی و آمار قوی هم یکی از مهم‌ترین چیزهاست. در دپارتمان‌های خوب مارکتینگ معمولا دو زیرمجموعه هست به نام کوانت (Quantitative) و سی بی (Consumer Behavior). شما وقتی اپلای می‌کنید باید مشخص کنید برای کدوم اپلای می‌کنید (در هر گرایش معمولا 1-2 دو دانشجو میگیرن). برای هر دو گرایش بک‌گراند ریاضی و آمار خیلی مهم هستند. هایلایت کردن این توانایی‌ها هم کمک کننده‌ست (مثلا توی رزومه ذکر کنید که چه کورس‌های پیشرفته ای گذروندید). 

14. توی اس او پی سعی کنید نه خیلی جنرال صحبت کنید و نه خیلی با جزییات. اگر خیلی جنرال باشه اساتید فکر میکنن ایده درستی نداری از این‌که روی چی میخوای کار کنی. اگه خیلی ریز بشی اولا احتمال خطا میره بالا چون یه دانشجوی مستر اونقدر اطلاعات دقیقی از لیترچر نداره و ثانیا کسی اون‌قدر از دانشجوی مستر انتظار نداره که بیاد کانتریبیوشن کاری که هنوز نکرده رو بگه. معمولا اگه یه مثال بیارید از دنیای واقعی و بگید که این قضیه خیلی برام جالبه و دوست دارم بیام تحقیق کنم توی این زمینه بدونم دلیلش چیه و بعد توضیح بدی که چطور پی اچ دی مارکتینگ کمکت می‌کنه (مثلا با مهارت‌هایی که در کورس‌های فلان و فلان پی اچ دی خواهی آموخت و چون استاد فلانی در این زمینه متخصصه). اینطوری خیلی ملموس تر میشه. کلا سعی کنید خوندن اس او پی رو لذت بخش کنید برای خواننده وگرنه ممکنه وسطش طرف ول کنه اگه نفهمه چی داره میگه.

15. یکی از مباحث خیلی داغ در سال‌های اخیر بحث ماشین لرنینگ و کاربردهاش در مدیریت هست. جدیدا خیلی از اسکول‌ها دنبال اپلیکنت‌هایی هستند که برنامه‌نویسی و به صورت خاص تجربه کار با تول های ماشین لرنینگ رو داشته باشن. من شنیدم حتی پارسال در دانشگاه‌های با رنک پایین‌تر در مصاحبه به صورت خیلی مستقیم از دانشجوها پرسیدن ماشین لرنینگ بلدی یا نه. مقدمات برنامه‌نویسی و ماشین لرنینگ خیلی راحت در اینترنت در دسترس هست چون خیلی خیلی کاربردش زیاد شده. بنابراین توصیه‌ام اینه حتما یکی دو ماه وقت بذارید و یه کورس مقدماتی آشنایی با ماشین لرنینگ و برنامه‌نویسی پایتون رو یاد بگیرید. ضرر نمیکنید.

16. در اسکول‌های با رنک متوسط و رو به بالا معمولا دو گرایش  برای PhD مارکتینگ وجود داره. گرایش Quantitative یا به اختصار کوانت و گرایش رفتار مصرف کننده (Consumer Behavior) یا به اختصارCB. گاهی ممکنه یه دانشگاه فقط یکی از این‌ها رو داشته باشند (مثلا دانشگاه راچستر فقط کوانت داره). در دانشگاه‌های با رنک پایین تر یک گرایش سوم هم وجود داره به نام استراتژی (با دپارتمان Strategic Management اشتباه نشود). چون در راتمن و دانشگاه‌های با رنک نسبتا بالاتر گرایش استراتژی وجود نداره من خیلی اطلاعی راجع به این گرایش ندارم. بنابراین یک مقدار راجع به کوانت و سی بی توضیح میدم شاید کمک کننده باشه برای نوشتن اس اوپی و گفتن اینکه علایقتون چطور مربوط میشه به کدوم شاخه. توجه کنید که تقسیم‌بندی‌هایی که در پایین ذکر می‌کنم نظر شخصی منه و در واقعیت شاید خیلی این مرزبندی‌ها مشخص نباشه.

17. ریسرچ در کوانت مارکتینگ به دو دسته کلی تقسیم میشه:
-دسته اول Applied theory. به زبان خیلی ساده یعنی مثلا چگونه از تئوری اقتصاد خرد یا نظریه بازی ها استفاده کنیم و توضیح بدیم که چرا فلان اتفاق در مارکت میفته. ریسرچ در این دسته معمولا از یه مدل ریاضی استفاده می‌کنه تا رفتار عوامل اقتصادی (مصرف کننده و تولید کننده و …) رو توضیح بده و فرض می کنه هر کدوم ازین عوامل مثلا یه تابعی رو ماکزیمم میکنن. به این صورت مثلا میشه یه تعادل به دست آورد که یه سری پدیده رو که ما توی بازار میبینم توضیح بده.
-دسته دوم کارهای با دیتا یا Empirical. به زبان خیلی ساده هدف تحقیق در این دسته تخمین یک سری پارامتر هست که پَتِرن‌های موجود در داده رو برامون توضح بده و اکثر تلاش محقق به این معطوف میشه که بتونه علیت رو از همبستگی تمیز بده (correlation vs causation). ریسرچ‌های ایمپیریکال معمولا از دو نوع روش برای تخمین پارامترها استفاده میکنن.

نوع اول به روشهای Reduced-form مشهور هستند و شامل همین روشهایی میشن که به خاطرش امسال نوبل دادن (کتاب مشهور mostly harmless econometrics تقریبا تا حد خوبی مقدمات این ها رو پوشش میده). کورس‌های مقدماتی اقتصاد سنجی معمولا از این‌ها شروع می‌کنند.

نوع دوم روش‌های پیچیده‌تری برای تخمین هستن که به روشهای structural معروفن. به زبان خیلی ساده این روش‌ها تئوری‌های اقتصاد خرد (مثل گیم تئوری) رو با روش‌های پیشرفته‌تر تخمین ترکیب می‌کنن تا بتونن یک سری پارامتر بدست بیارن که با تغییر شرایط بازار تغییر نمی‌کنند (به همین خاطر به این پارامترها میگن استراکچرال یا ساختاری چون مثلا فرض کن وقتی دولت بیاد یه قوانین جدیدی بذاره و شرایط بازار رو دستکاری کنه این پارامترها تغییری نمی‌کنن).

زیرشاخه empirical IO در اقتصاد خرد به این مقوله اختصاص داره و موضوعاتی مثل تخمین تابع تقاضا که قبل‌تر اشاره کرده بودم در این بخش قرار می‌گیره). دانشجویانی که در کوانت پذیرش میشن اکثرا بک گراند اقتصاد یا رشته هایی نزدیک به اقتصاد دارن. به همین دلیل تاکید کردم که دونستن تئوری‌های پیشرفته اقتصاد خرد و سنجی خیلی خیلی مهم هستن برای گرایش کوانت.

18. ریسرچ در CB هم به دو دسته کلی تقسیم میشه. دسته اول بیشتر کارهای نزدیک به روانشناسی اجتماعی (social psychology) و دسته دوم بیشتر نزدیک به مطالعه مکانیزم‌های تصمیم‌گیری و موضوعات اقتصاد رفتاری (behavioral economics). دانشجویانی که در سی بی پذیرش میشن معمولا بک گراند روانشناسی دارند و اگه با روش‌های تحقیق و آنالیز داده در روانشناسی آشنایی داشته باشید کمک خیلی خوبی به رزومه‌تون میشه. من خیلی تخصصی در سی بی ندارم بنابراین نمی‌تونم با جزییاتی مثل چیزی که برای کوانت گفتم توضیح بدم. ولی یکی از نکات مهم اینه که اکثر ریسرچ ها در سی بی از lab experiment استفاده می‌کنند (فکر می‌کنم اکثر برنامه‌های مارکتینگ در ایران هم شبیه این پرسشنامه جمع می‌کنند). البته در سالهای اخیر field experiment و همچنین مباحث مربوط به نوروساینس هم در مارکتینگ وارد شده ولی هنوز در اقلیت هستند و همچنان lab experiment و روشهای معمول آماری در روانشناسی غالب هستن.

19. توجه کنید تاپیک‌هایی که در کوانت و سی بی روش ریسرچ میشه خیلی اوقات تاپیک‌های یکسانی هستند. ولی ابزارهایی که استفاده می‌کنن و نحوه پرداختن بهشون متفاوته. در کوانت بیشتر دنبال اینن که علت و معلول رو مشخص کنن با ابزارهای اقتصاد سنجی و تئوری‌های اقتصاد. در سی بی بیشتر دنبال اینن که ببینن مکانیزم رفتاری‌اش چیه، چه اتفاقی در مغز انسان رخ میده که همچین عکس العملی نشون میده یا مثلا نقش بایاس های ذهنی و احساسات چی می‌تونه باشه و چه عوامل دیگری می‌تونن به صورت غیرمستقیم تاثیر بذارن روی تصمیم‌گیری‌های مصرف کننده.

20. به عنوان نکته آخر توجه کنید توضیحات بالا بیشتر روش‌های سنتی مرسوم در مارکتینگ بود. اخیرا بحث ماشین لرنینگ خیلی داغ شده و کاربردهاش داره هم وارد کوانت و هم سی بی میشه. خیلی از ریسرچ ها در حال حاضر فقط از ماشین لرنینگ به عنوان یه ابزار استفاده می‌کنن. مثلا از ماشین لرنینگ استفاده می‌کنن تا بتونن از یه سری داده استفاده کنن که قبلا سخت قابل آنالیز کردن بود (مثلا ویدئوهای تیک تاک یا اینستاگرام یا متن ریویوهای آمازون). پیش‌بینی من اینه که حداقل در چند سال آینده همین روند ادامه پیدا کنه. به همین دلیل تکرار میکنم حتما پیش‌زمینه‌ای از ماشین لرنینگ و برنامه‌نویسی داشته باشید تا شانس پذیرشتون بالاتر بره.

فصل اپلای و نزدیک ددلاین هاست و معمولا من ایمیلهای زیادی از ایران دریافت میکنم در مورد اینکه چه مواردی در اپلای کردن برای بیزنس اسکولها مهم هست، میخوام بعد از سالها تنبلی دست به کار بشم و نکات ریزی که در مورد اپلای کردن در بیزنس اسکول ها میدونم رو شرح بدم.

— Mohsen Foroughifar (@Mohsen_ff) November 23, 2021